一种基于机器学习神经网络的毁伤概率计算方法技术

本发明专利技术公开了一种基于机器学习神经网络的毁伤概率计算方法，包括：建立破片战斗部对目标的毁伤概率计算模型；根据以上毁伤概率计算模型，针对所有影响计算结果的随机参数基于蒙特卡洛法开展大量随机计算，每次计算中各参数随机取值；利用机器学习中的神经网络训练上一步获得的大量毁伤概率算例数据，得到毁伤概率预测模型，可根据各随机参数取值预测毁伤概率；运用得到的毁伤概率预测模型采用蒙特卡洛法计算破片战斗部在特定弹目交会条件下对目标的平均单发毁伤概率。本发明专利技术的基于机器学习的毁伤概率计算方法，相比于目前计算毁伤概率的常规方法，既确保了计算精度的一定准确性，又大幅降低了算法的计算量，极大地缩短了计算时间。时间。时间。

A damage probability calculation method based on machine learning neural network

【技术实现步骤摘要】
一种基于机器学习神经网络的毁伤概率计算方法


[0001]本专利技术属于毁伤评估
，具体涉及一种基于机器学习神经网络的毁伤概率计算方法。

技术介绍

[0002]为准确评估破片战斗部对目标的毁伤效果，便于引战配合研究，需要在目标易损性分析的基础上建立相应的毁伤概率计算模型。
[0003]常用毁伤概率表示战斗部毁伤目标的概率，破片战斗部对目标的现有毁伤概率计算方法计算量过大，在MATLAB中对于复杂情况往往需要数百秒甚至上千秒才能够计算出单次结果，并且随着破片数量的增加计算量成指数增长。当进一步为了得到平均单发毁伤概率，而采用蒙特卡洛法进行1000次随机重复计算时，用时需以天计算。为此需寻找一种在保证结果一定准确性的基础上快速计算破片战斗部对目标毁伤概率的计算方法。

技术实现思路

[0004]本专利技术的目的在于提出了一种基于机器学习神经网络的毁伤概率计算方法，以提高计算效率。相比于目前计算毁伤概率的常规方法，既确保了计算精度的一定准确性，又大幅降低了算法的计算量，极大地缩短了计算时间。
[0005]为实现以上目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习神经网络的毁伤概率计算方法，其特征在于，包括：建立目标的三维模型，对目标的组成部件进行易损性分析，建立破片战斗部对目标的毁伤概率计算模型；根据毁伤概率计算模型，针对所有影响计算结果的随机参数，开展基于蒙特卡洛法m次以上的重复随机计算，获得针对不同毁伤级别的大量毁伤概率算例数据；利用机器学习中的神经网络训练上述大量毁伤概率算例数据，得到针对不同毁伤级别的毁伤概率预测模型；运用上一步得到的毁伤概率预测模型，在上级输入的特定弹目交会条件下，固定一部分随机参数，采用蒙特卡洛法基于毁伤概率预测模型开展n次以上的重复随机计算，统计数据后得到破片战斗部在该特定弹目交会条件下对目标的平均单发毁伤概率。2.根据权利要求1所述的一种基于机器学习神经网络的毁伤概率计算方法，其特征在于，所述毁伤概率计算模型具体为：其中，N
or
为非冗余部件个数，k为冗余部件组数，P
or,i
为各非冗余部件毁伤概率；M1，M2，
…
，M
k
分别为各冗余部件组的冗余部件个数；P
and,j
为冗余部件组里各部件的毁伤概率；目标的组成部件包括多组冗余部件和多个非冗余部件，任意有一组冗余部件组中所有冗余部件毁伤则判定目标毁伤，任意有一个非冗余部件毁伤则判定目标毁伤。3.根据权利要求1所述的一种基于机器学习神经网络的毁伤概率计算方法，其特征在于，所述毁伤级别包括：M级任务毁伤、F级火力控制毁伤和K级灾难性毁伤；M级任务毁伤表示目标功能...

【专利技术属性】
技术研发人员：张志彪，康彦龙，刘永超，孟斐，王俊超，胡赛，王永智，
申请(专利权)人：北京航天飞腾装备技术有限责任公司，
类型：发明
国别省市：